Reporting-Blog

Information Design & Visual Business Intelligence


2 Kommentare

BI or DIE – KPIs und IT-Architektur im Profifußball – Im Gespräch mit Rafael Hoffner, TSG Hoffenheim

Andreas und Rafael Hoffner unterhalten sich darüber welche Rolle Daten im modernen Profifußball spielen.

Rafael ist seit 12 Jahren bei der TSG Hoffenheim in den Bereichen IT, Infrastruktur und Sport Innovationen beschäftigt. Er hat u.a. die Sport Innovationen wie SportsOne, den Footbonaut und die Helix eingeführt. Als Abteilungsleiter IT und Infrastruktur ist er stark u.a. für die wachsende Digitalisierung bei der TSG Hoffenheim verantwortlich.

Kann man mit Daten Fußballspiele gewinnen? Welche Rolle spielt die SAP bei Hoffenheim? Wie arbeitet das Daten-Team und die Sportabteilung zusammen? Was bedeutet ein Trainerwechsel? Alle diese Fragen werden in der aktuellen Podcast-Folge beantwortet. Jeder IT oder BI-Experte sollte mal reinhören und sich überlegen was man von Sport für sein Unternehmen lernen kann.

Hier könnt ihr den Podcast hören und abonnieren:
Apple Podcast | Spotify | Google Podcast Deezer

Folgt uns auch gern auf Instagram & Twitter:
team_reportingimpulse | dashboardheroesBI_or_DIE | team_reporting

Genannt in der heutigen Folge:

Hat euch die Folge gefallen? Dann gebt uns gern eine kurze iTunes-Bewertung!

Welche Fragen sollen wir demnächst stellen? Welche Interviewpartner möchtet ihr gerne hören? Schreibt uns gern eine E-Mail an info@reportingimpulse.com, über Twitter oder sprecht uns einfach direkt an!


3 Kommentare

Die Rolle: Wer ist dieser Data Scientist? (Teil 1 von 3)

Der Hype um die Data Scientists scheint auf dem Höhepunkt angekommen zu sein. Nie gab es mehr Treffer zu diesem Begriff, nie waren die Jobangebote besser. Aber wo kommt dieser Trend plötzlich her? Nur ein Zeitgeist ? Hat er womöglich etwas mit geschürten Erwartungen bei Unternehmen zu tun, mit diesen Experten nun endlich langgehegte Wünsche und Ziele angehen zu können? Und, was ist ein Data Scientist eigentlich genau? Höchste Zeit, sich mit den Hintergründen einmal etwas intensiver auseinanderzusetzen.

Vergegenwärtigen wir uns, dass von Anbeginn der Menschheit bis 2003 auf der Welt circa 5 Milliarden Gigabyte Daten erzeugt wurden. Bereits im Jahr 2013 erzeugen wir diesen Datenberg schon alle zehn Minuten. Mit dieser enormen Menge an Daten muss also auch entsprechend „umgegangen“ werden.

Das reine Ablegen der Daten spielt dabei noch die kleinere Rolle, dank intelligenter Speichermöglichkeiten für strukturierte Daten, wie Datenbanktechnologien.

Vielmehr gilt es, einen effektiven Nutzen aus diesen durch Smartphones, Onlineshops, beruflicher und privater Korrespondenz usw. herrührenden Daten zu ziehen. Klassische BI-Fragestellungen, wie etwa die Umsatzentwicklungen für Kunden mit bestimmten Eigenschaften, lassen sich nach wie vor durch einfache Data-Warehouse Systeme und ETL-Werkzeuge beantworten. Interessant wird es dann, wenn diese Werkzeuge nicht mehr ausreichen, um alle Informationen, die zu Kunden oder Produkten vorliegen, in vollem Umfang auszuwerten, aber auch wenn externe Daten zusätzlich herangezogen werden, um Strukturen in den Daten herauszuarbeiten, Modelle zu verbessern uvm.

An dieser Stelle knüpft nun idealerweise die Rolle des Data Scientists an.

Der Data Scientist als Allrounder – Aufzeigen eines Missverständnisses

Die Wunschliste von Unternehmen ist groß: da wird mehr Umsatz gewünscht, ein höherer Gewinn, maximale Auslastungszeiten von Mitarbeitern, zufriedene Kunden und Vieles mehr. Und – das versteht sich von selbst – einen Data Scientisten, der es nun endlich richten soll!

An dieser Stelle passt also am ehesten der Begriff der eierlegenden Wollmilchsau. In Wirklichkeit impliziert die Rolle des Data Scientist allerdings faktisch drei Einzelrollen:

  • Der Daten- und Statistikspezialist (gern mit Hintergrund Mathematiker, Physiker, Naturwissenschaftler, und natürlich PhD/ Dr.)
  • Der Informatik-Experte (Informatiker, Wirtschafts, Bio- oder Sonstwie-Informatiker) gern auch mit mehrjähriger Projekterfahrung
  • Das Kommunikations-Genie oder die „Vortrags-Rampensau“ als Schnittstelle zwischen der NERD-behafteten IT oder dem Datenbank-Kellerraum in jedem Unternehmen und den hippen Entscheidern im Bereich Marketing, aber auch zur Geschäftsleitung, den eigentlichen Entscheidern.

Die Frage lautet also: wer kann das leisten? „Natürlich zahle ich so jemandem problemlos seine 80.000 im Jahr, denn er ersetzt ja immerhin drei!“, so sicherlich die Rechtfertigung vor Kollegen, warum der „Neue“ denn so teuer sei. Aber mal im Ernst: wie realistisch ist das Vorhandensein all dieser Skills in einer Person und wie wahrscheinlich ist es, dass gerade ich als kleiner Mittelständer noch vor Google, Facebook und Co auf diese Leute aufmerksam werde? Nicht besonders groß, weswegen sich jedes Unternehmen die Frage stellen muss, ob es tatsächlich auch auf Teile des gewünschten Profils verzichten möchte und sich das Data Scientist-Konstrukt, zumindest in Teilen, selbst „zusammenbaut“.

Key Skills – die wichtigen Voraussetzungen zum Data Scientist

Weiterlesen